Airborne Emission Rate Measurements Validate Remote Sensing Observations and Emission Inventories of Western U.S. Wildfires
Notice bibliographique
Résumé
Carbonaceous emissions from wildfires are a dynamic mixture of gases and particles that have important impacts on air quality and climate. Emissions that feed atmospheric models are estimated using burned area and fire radiative power (FRP) methods that rely on satellite products. These approaches show wide variability and have large uncertainties, and their accuracy is challenging to evaluate due to limited aircraft and ground measurements. Here, we present a novel method to estimate fire plume-integrated total carbon and speciated emission rates using a unique combination of lidar remote sensing aerosol extinction profiles and in situ measured carbon constituents. We show strong agreement between these aircraft-derived emission rates of total carbon and a detailed burned area-based inventory that distributes carbon emissions in time using Geostationary Operational Environmental Satellite FRP observations (Fuel2Fire inventory, slope = 1.33 ± 0.04, r2 = 0.93, and RMSE = 0.27). Other more commonly used inventories strongly correlate with aircraft-derived emissions but have wide-ranging over- and under-predictions. A strong correlation is found between carbon monoxide emissions estimated in situ with those derived from the TROPOspheric Monitoring Instrument (TROPOMI) for five wildfires with coincident sampling windows (slope = 0.99 ± 0.18; bias = 28.5%). Smoke emission coefficients (g MJ–1) enable direct estimations of primary gas and aerosol emissions from satellite FRP observations, and we derive these values for many compounds emitted by temperate forest fuels, including several previously unreported species.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».